MaskSAM是一种创新的医学图像分割框架，通过结合SAM的图像编码器设计提示生成器，生成辅助分类器令牌、二进制掩模和边界框，解决额外提示需求。它使用3D卷积和MLP适配器，使2D SAM模型适应3D医学图像。在AMOS2022上，MaskSAM的Dice系数达到90.52%，比nnUNet高2.7%；在ACDC和Synapse数据集上分别超越nnUNet 1.7%和1.0%。

ESP-MedSAM 是一种用于通用医学图像分割的高效自我提示模型，通过多模态解耦知识蒸馏和自动化补丁提示生成器与查询解耦模态解码器的组合，克服了 Segment Anything Model (SAM) 的计算成本高、依赖手动注释、不适应医学多样性等挑战，实现了出色的零样本学习和模态转移能力。